Приветствую, уважаемые читатели сегодня хочу поделиться очередным интересным Паттерном.
Напоминаю, что все началось с этого поста :) Книга, которая изменит вашу торговлю!

Идея паттерна довольно проста  и довольно эмоциональна.  Для установления сигнала о покупке  я подыскиваю день, когда закрытие ниже минимума предыдущего дня. Подобные «голые» (не защищенные от неблагоприятного движения цен закрытия) дни, выглядят на графике очень медвежьими и, чаще всего, продлевают падение рынка. Но «чаще всего» не означает «всегда», и когда данное условие изменяется на следующий же день, выходя на значение выше, чем максимум закрытия дня, мы, зачастую, получаем хороший растущий рынок.

Сигнал на продажу создается с точностью до наоборот; рынок близок к превышению предыдущей отметке максимума, а уже на следующий день продажи падают ниже минимума закрытого дня.

Эта модель часто описывается в книгах.

( Читать дальше )

Приветствую всех!

 

Данная статейка просто изложение в тексте моих мыслей при создании алгоритма. Пусть это будет продолжение предыдущей статьи о том как собирал свой велосипед. 

После того как собрал алгоритм, внес в него не мало коррективов, в частности закрываю тейком, это позволило сэкономить чутьчуть денег, так как алгоритм «случайно» мог достигнуть равновесной цены, и при закрытии по рынку могли сталкиваться с ситуацией когда равновесная была достигнута в пике и далее рынок сильно отскочил от него. Понятно что тейком, внес новый риск что сделка может не закрыться по расчетной цене, но благо это можно обойти ожидая новую равновесную цену (я в своем алгоритме предусмотрел ситуацию, если тейк не сработает то на след баре крыть по рынку).

Итак теперь график эквити выглядет так 

Понятно вроде бы красиво, но бывают слишком крутые просадки. Иследующим шагом стало изучение ситуаций, при которых алгоритм лосит.

( Читать дальше )

Тем, кто копает глубже, рекомендую блог Quantrum.me Трейдинг для программиста. Программинг для трейдера. Если слова Python, Quantopian для вас что-то значат, то вам однозначно сюда. Здесь вы найдете обзоры, готовые для применения. Вот темы некоторых постов. Парный трейдинг на Python. Бэктестинг с помощью Quantopian. Анализ торговых стратегий: по MACD, скользящим средним, Elder’s Impuse System и пр. 

3 преимущества данного блога:

1. Легко и быстро читать — наглядная структура коротких(!) постов.
2. Просто понять — никаких заумных терминов, тешащих эго программиста.
3. Море примеров с готовым кодом для Python — просто бери и торгуй.

Такой сайт — настоящий подарок для тех, кто только встал на путь алготорговли или уже по нему идет. К тоже же ведет его человек, который давно торгует, то есть практик. Одним словом: musthave. Подписаться на RSS можно здесь. Также можно вступить в Паблик В Контакте. 

Как-то этой зимой Кирилл  Ильинский прочёл «сов. секретную» лекцию слушателям алгошколы Владимира Твардовского в Финаме в Настасьинском переулке. И я не знаю почему была такая «конспирация» — то ли от того, что лекция впервые(«измена») состоялась в Москве, а не в любимом КИ Питере, то ли лектор решил «путать след» возвратившись опять к теме корреляции, то ли Кирилл Николаевич захотел сказать что-то очень важное, что не вошло...
Возможно, это была неявная консультация тем кто всё-таки решил сдать лектору теоретический риск-минимум по всему Курсу.
Рад сообщить, что, наконец, лекция опубликована на Лектории. 
www.lektorium.tv/lecture/29577

Возвращаюсь к вопросу о лучшем способе расчета HV, поднятом в давнем посте «Об оценке будущей волатильности».
Проверим выводы статьи на новых данных и добавим другие способы расчета волатильности.
Как и раньше, в этом забеге не участвует IV, в следующий раз напишу о ней.
Период расчетов расширен до интервала 2010-2016.
Добавлены другие подходы к подсчету волатильности, учитывающие high/low, а также построенные на часовом таймфрейме.
Все методы:
RV0 — HV без дрифта,
Exp — экспоненциальная волатильность,
HV — простая HV,
Park — Parkinson,
Arch — HV без дрифта с линейно снижающимися весами,
RS - Rogers-Satchell,
GK - Garman-Klass,
GK-YZ - Garman-Klass с расширением Yang-Zhang,
YZ — Yang-Zhang, высоко ценимый некоторыми известными трейдерами,
AV — простое среднее RV0, Exp и YZ,
RV0H — HV без дрифта на часах,
ExpH — экспоненциальная волатильность на часах.
Последние показатели рассчитываются в часах за то же количество рабочих дней, но проверяются, как и все, на днях.
Расчеты произведены для основной торговой сессии.

( Читать дальше )

В числе прочих исследовал качество работы следующих методов расчета направления текущего и будущего движения цены:

-------------------------------

1.Экстраполяция на один шаг в разных тайм-фреймах:
Дает хорошие результаты в торговле на больших тайм-фреймах от 4-х часовок и более.

2.Разложение ценового процесса как функции в ряд Фурье и торговля по:

2.1.Торговля по несущей синусоиде.
Суть метода: Подбирается интервал разложения такой, на котором несущая совпадает с ценовым процессом и совершаем сделки в направлении правой части несущей синусоиды.

2.2.Торговля по 1-й и 2-й производным от ряда Фурье:
Суть метода: Берутся производные в текущей точке (как бы сейчас), в точке -пи/4 (как бы прошлое) и в точке +пи/4 (как бы будущее). Хорошо ловятся развороты цены.

Оба варианта работают хорошо только на интервалах разложения цены от 2-х недель и более.

3.Суммирование логарифмов цен основных долларовых активов и работа с суммарным ценовым процессом по методу №1.
Суммировались цены: 1)валют, 2)металлов (золото, серебро, платина, палладий), 3) индексов (Доу, СиП, Насдак и другие), 4)товаров (нефть, газ, топливо).
Всего суммировались цены 30 долларовых инструментов.
Торговались выборочные инструменты.
Теоретическая основа: центральная предельная теорема теории вероятностей о том, что сумма случайных процессов с любым распределением вероятностей является процессом с нормальным распределением, что в результате дает достаточно гладкий график суммарного ценового процесса, который можно торговать даже без специальных методов расчета направления движения цены.

( Читать дальше )

Передача «Илья Гадаскин. Алгоритмическая торговля» на видеопортале трейдеров YouTrade.TV 23 декабря 2016 г.

Для грамотных математиков любящих графики случайного блуждания, распределения приращений и кибернетикам с априорными гипотезами без доказательств.

Сжатие данных - алгоритмическое преобразование данных, производимое с целью уменьшения занимаемого ими объёма, за счет устранения избыточности, содержащейся в исходных данных — повторяющихся последовательностей и значений.

Случайные сигналы, процессы, последовательности, белый шум не обладают свойством избыточности. Сжатие данных принципиально невозможно без потерь.

Гипотеза — если колебания цен есть случайный процесс то сжатие данных последовательности приращений не возможно и коэффициент сжатия не должен превышать 1. 

Условия испытаний. 

( Читать дальше )